नेव्हिगेशन
AI BENCHY
Advertise here

Anthropic: Claude Opus 4.8 vs Qwen: Qwen3.5-122B-A10B

Claude Opus 4.8 average score मध्ये पुढे आहे: 7.3 vs 7.1. Qwen3.5-122B-A10B (medium) चा benchmark खर्च कमी आहे: $1.046 vs $1.166. Claude Opus 4.8 वेगवान आहे: 4.91s vs 64.16s, pass rates 63.6% vs 71.2%.

शिफारस केलेले मॉडेलClaude Opus 4.8It has the best score here (7.3), while responding about 13.1x faster than Qwen3.5-122B-A10B (medium).

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-17

मेट्रिक Claude Opus 4.8 Claude Opus 4.8 none प्रकाशन: 2026-05-28 Qwen3.5-122B-A10B Qwen3.5-122B-A10B medium प्रकाशन: 2026-02-24
स्कोअर 7.3 7.1
क्रमांक #63 #69
विश्वसनीयता 10.0 10.0
सुसंगतता 9.2 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 63.6% 71.2%
अस्थिर चाचण्या 2 4
एकूण रन 66 66
प्रति निकाल खर्च 8.969 8.509
एकूण खर्च $1.166 $1.046
इनपुट किंमत $5.000 / 1M $0.260 / 1M
आउटपुट किंमत $25.000 / 1M $2.080 / 1M
एकूण इनपुट टोकन्स 149,206 124,771
आउटपुट टोकन्स 16,797 44,077
रिझनिंग टोकन्स 0 443,141
प्रतिसाद वेळ (सरासरी) 4.91s 64.16s
प्रतिसाद वेळ (कमाल) 35.03s 519.30s
प्रतिसाद वेळ (एकूण) 108.03s 1411.60s

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#63 Claude Opus 4.8

none
खर्च
$0.053
वेळ
22.0s
टोकन्स
2,253 tok

#69 Qwen3.5-122B-A10B

medium
खर्च
$0.019
वेळ
48.7s
टोकन्स
6,034 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Opus 4.8 5.5 10.0 33.3% 0 3.29s 10,590 1,332 0
Qwen3.5-122B-A10B 6.0 7.2 55.6% 1 114.48s 7,630 8,057 82,578

झटपट तुलना

तुलना जोडी बदला